公开(公告)号：CN117974461A

公开(公告)日：2024-05-03

申请号：CN202410084906.X

申请日：2024-01-19

Applicant: 西安电子科技大学

Inventor： 马琳 ,  李瑞昀 ,  秦翰林 ,  汪宸羽 ,  石小涛

IPC: G06T5/20 ,  G06T5/90 ,  G06T7/13 ,  G06T11/20

Abstract: 本发明涉及一种流场重建的预处理方法、装置、电子设备及存储介质，属于流场重建领域，该方法包括：获取待处理图像；利用改进算子对待处理图像进行滤波，得到第一梯度增幅矩阵；利用改进算子对第一梯度增幅矩阵对应的子区再次进行滤波，得到第二梯度增幅矩阵；根据第二梯度增幅矩阵进行流场重建。通过上述技术方案，利用改进算子对待处理图像进行两次滤波，去除了待处理图像中的冗余数据，对待处理图像进行预处理，减少了流场重建时所需的数据量，从而提高重建速度。

公开(公告)号：CN120030300A

公开(公告)日：2025-05-23

申请号：CN202510023880.2

申请日：2025-01-07

Applicant: 西安电子科技大学

Inventor： 秦翰林 ,  石小涛 ,  马琳 ,  姜晓雪 ,  戴健任 ,  赵育萱 ,  王宏宇 ,  李瑞昀 ,  汪宸羽

IPC: G06F18/20 ,  G06F18/213 ,  G06F18/25 ,  G06V10/82 ,  G06V10/80 ,  G06N3/067

Abstract: 本发明实施例公开了一种目标多模态并行识别方法，所述方法包括：获取目标多模态信息，并将其转换为多模态特征图像；将所述多模态特征图像分区域加载至振幅型空间光调制器SLM，对光神经网络的输入光场进行振幅调制；对所述振幅调制完成后的输入光场进行相位调制；将经过相位调制后的光神经网络的输出光场转换成光强图像；判断所述光神经网络的层数是否符合衍射层数；若所述光神经网络的层数满足衍射层数要求，根据所述光强图像确定目标多模态并行识别结果。本发明通过将多模态信息转换为二维特征图像，并利用光神经网络进行处理，实现了多模态信息的并行识别，适用于需要快速、准确识别复杂目标的场景。

公开(公告)号：CN119126252A

公开(公告)日：2024-12-13

申请号：CN202411305181.9

申请日：2024-09-19

Applicant: 西安电子科技大学

Inventor： 杨硕闻 ,  秦翰林 ,  汪宸羽 ,  延翔 ,  何思源

IPC: G01V8/10 ,  G01J3/28

Abstract: 本发明实施例公开了一种基于超构表面的多光谱识别装置、方法、介质及设备，装置包括：分孔径成像镜组，用于采集目标物体的多光谱信息，并进行分孔径会聚以平行光形式输出分孔径会聚光；超构表面调制器件，用于通过微纳结构超表面生成预设个数的超表面原子，根据超表面原子对分孔径会聚光进行多光谱调制，获取已调制多光谱信息和未调制光谱信息；电荷耦合器件，用于采集已调制多光谱信息和未调制光谱信息，获取多光谱图像和全波段图像。目标检测模块，用于对多光谱图像和全波段图像进行特征融合后，进行softmax归一化处理，输出最终目标识别结果。通过在深度学习方法下结合超构表面多光谱成像，从而小型化成像设备，提高目标识别准确率。

公开(公告)号：CN119359560A

公开(公告)日：2025-01-24

申请号：CN202411344719.7

申请日：2024-09-25

Applicant: 西安电子科技大学

Inventor： 秦翰林 ,  汪宸羽 ,  马琳 ,  杨硕闻 ,  李瑞昀 ,  石小涛 ,  吴轩宇

IPC: G06T5/50 ,  G06T5/60 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明实施例公开了一种基于改进归一化流的低照度图像增强方法及装置，该方法包括：获取待增强的低照度图像；对待增强的低照度图像进行归一化处理，得到归一化谱；对归一化谱进行边缘提取处理，得到边缘谱；对待增强的低照度图像、归一化谱和边缘谱进行特征融合，得到特征融合图像；采用特征提取模块对特征融合图像进行特征提取，得到特征提取图像；采用特征映射模块对特征提取图像进行特征映射，得到特征映射图像；将特征映射图像输入归一化流可逆网络，输出正常光照图像。通过本方法对低照度图像进行增强，可以提高增强效果。